z-image/turbo-lora

tekst-do-obrazu

TURBO

Z-Image-Turbo LoRA API by Atlas Cloud

z-image/turbo-lora

Turbo-lora

Z-Image Turbo text-to-image generation with user-supplied LoRA weights, custom sizes, and reproducible output.

WEJŚCIE

Prompt *

Loras

MAX: 3

Rozmiar

Szerokość

Wysokość

1024 × 1024 pxZakres: 256 - 1536

Seed

Num inference steps

Guidance scale

Output format

Civitai links require your API token appended: download_url&token=YOUR_TOKEN. Get it from Civitai Account Settings → API Keys.
Hugging Face links must point to a specific file (e.g. .safetensors), not a repository directory.

WYJŚCIE

Bezczynny

Twoje wygenerowane obrazy pojawią się tutaj

Skonfiguruj ustawienia i kliknij Uruchom, aby rozpocząć

Każde uruchomienie będzie kosztować $0.01. Za $10 możesz uruchomić ten model około 1000 razy.

Co możesz zrobić dalej:

Obraz do Wideo Obraz do Obrazu

Parametry

Przykład kodu
import requests
import time

# Step 1: Start image generation
generate_url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "z-image/turbo-lora",  # Required. Model name
    "prompt": "A beautiful landscape with mountains and lake",  # Required. The positive prompt for the generation
    "loras": [],  # List of LoRA weights to apply. default: []
    "size": "1024*1024",  # Output image size in width*height format. (max: 1536)
    "seed": -1,  # Seed for reproducible output
    "num_inference_steps": 9,  # Number of inference steps used for generation. (min: 1)
    "guidance_scale": 1,  # Classifier-free guidance scale
    "output_format": "png",  # Image output format. options: png | jpeg | webp
    "enable_sync_mode": False,  # Wait for the result to be generated and uploaded before returning the response
    "enable_base64_output": False,  # Return base64 image data instead of an image URL
}

generate_response = requests.post(generate_url, headers=headers, json=data)
generate_result = generate_response.json()
prediction_id = generate_result["data"]["id"]

# Step 2: Poll for result
poll_url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"

def check_status():
    while True:
        response = requests.get(poll_url, headers={"Authorization": "Bearer $ATLASCLOUD_API_KEY"})
        result = response.json()

        if result["data"]["status"] == "completed":
            print("Generated image:", result["data"]["outputs"][0])
            return result["data"]["outputs"][0]
        elif result["data"]["status"] == "failed":
            raise Exception(result["data"]["error"] or "Generation failed")
        else:
            # Still processing, wait 2 seconds
            time.sleep(2)

image_url = check_status()

Instalacja

Zainstaluj wymagany pakiet dla swojego języka programowania.

pip install requests

Uwierzytelnianie

Wszystkie żądania API wymagają uwierzytelnienia za pomocą klucza API. Klucz API możesz uzyskać z panelu Atlas Cloud.

export ATLASCLOUD_API_KEY="your-api-key-here"

Nagłówki HTTP

import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

Chroń swój klucz API

Nigdy nie ujawniaj swojego klucza API w kodzie po stronie klienta ani w publicznych repozytoriach. Zamiast tego użyj zmiennych środowiskowych lub proxy backendowego.

Wyślij żądanie

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "your-model",
    "prompt": "A beautiful landscape"
}

response = requests.post(url, headers=headers, json=data)
print(response.json())

Wyślij żądanie

Wyślij asynchroniczne żądanie generowania. API zwróci identyfikator predykcji, którego możesz użyć do sprawdzania statusu i pobierania wyniku.

POST/api/v1/model/generateImage

Treść żądania

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}

data = {
    "model": "z-image/turbo-lora",
    "prompt": "A beautiful landscape with mountains and lake"
}

response = requests.post(url, headers=headers, json=data)
result = response.json()

print(f"Prediction ID: {result['data']['id']}")
print(f"Status: {result['data']['status']}")

Odpowiedź

{
  "code": 200,
  "data": {
    "id": "pred_abc123",
    "status": "processing",
    "model": "model-name",
    "created_at": "2025-01-01T00:00:00Z"
  }
}

Sprawdź status

Odpytuj endpoint predykcji, aby sprawdzić bieżący status żądania.

GET/api/v1/model/prediction/{prediction_id}

Przykład odpytywania

import requests
import time

prediction_id = "pred_abc123"
url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

while True:
    response = requests.get(url, headers=headers)
    result = response.json()
    status = result["data"]["status"]
    print(f"Status: {status}")

    if status in ["completed", "succeeded"]:
        output_url = result["data"]["outputs"][0]
        print(f"Output URL: {output_url}")
        break
    elif status == "failed":
        print(f"Error: {result['data'].get('error', 'Unknown')}")
        break

    time.sleep(3)

Wartości statusu

processingŻądanie jest wciąż przetwarzane.

completedGenerowanie zakończone. Wyniki są dostępne.

succeededGenerowanie powiodło się. Wyniki są dostępne.

failedGenerowanie nie powiodło się. Sprawdź pole błędu.

Odpowiedź ukończona

{
  "data": {
    "id": "pred_abc123",
    "status": "completed",
    "outputs": [
      "https://storage.atlascloud.ai/outputs/result.png"
    ],
    "metrics": {
      "predict_time": 8.3
    },
    "created_at": "2025-01-01T00:00:00Z",
    "completed_at": "2025-01-01T00:00:10Z"
  }
}

Prześlij pliki

Prześlij pliki do magazynu Atlas Cloud i uzyskaj URL, którego możesz użyć w swoich żądaniach API. Użyj multipart/form-data do przesyłania.

POST/api/v1/model/uploadMedia

Przykład przesyłania

import requests

url = "https://api.atlascloud.ai/api/v1/model/uploadMedia"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

with open("image.png", "rb") as f:
    files = {"file": ("image.png", f, "image/png")}
    response = requests.post(url, headers=headers, files=files)

result = response.json()
download_url = result["data"]["download_url"]
print(f"File URL: {download_url}")

Odpowiedź

{
  "data": {
    "download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
    "file_name": "image.png",
    "content_type": "image/png",
    "size": 1024000
  }
}

Schema wejściowy

Następujące parametry są akceptowane w treści żądania.

Łącznie: 10Wymagane: 2Opcjonalne: 8

Civitai links require your API token appended: download_url&token=YOUR_TOKEN. Get it from Civitai Account Settings → API Keys.
Hugging Face links must point to a specific file (e.g. .safetensors), not a repository directory.

modelstringrequired

Model name.

Default: "z-image/turbo-lora"

promptstringrequired

The positive prompt for the generation.

lorasarray[object]

List of LoRA weights to apply.

Default: []Max items: 3

pathstringrequired

URL or path to the LoRA weights.

scalenumber

Scale used before merging the LoRA weights.

Default: 1Min: 0Max: 4

sizestring

Output image size in width*height format.

Default: "1024*1024"Max: 1536

seedinteger

Seed for reproducible output. Use -1 for random.

Default: -1

num_inference_stepsinteger

Number of inference steps used for generation.

Default: 9Min: 1

guidance_scalenumber

Classifier-free guidance scale. The default value follows the Z-Image Turbo path.

Default: 1

output_formatstring

Image output format.

Default: "png"

pngjpegwebp

enable_sync_modeboolean

Wait for the result to be generated and uploaded before returning the response. This property is only available through the API.

Default: false

enable_base64_outputboolean

Return base64 image data instead of an image URL. This property is only available through the API.

Default: false

Przykładowa treść żądania

{
  "model": "z-image/turbo-lora",
  "prompt": "A beautiful landscape",
  "loras": [],
  "size": "1024*1024",
  "seed": -1,
  "num_inference_steps": 9,
  "guidance_scale": 1,
  "output_format": "png",
  "enable_sync_mode": false,
  "enable_base64_output": false
}

Schema wyjściowy

API zwraca odpowiedź predykcji z URL-ami wygenerowanych wyników.

created_atstring

ISO timestamp when the request was created.

idstring

Unique prediction id.

modelstring

Model id used for the prediction.

outputsarray

Generated image URLs or base64 payloads.

statusstring

Task status.

Przykładowa odpowiedź

{
  "id": "pred_abc123",
  "status": "completed",
  "model": "model-name",
  "outputs": [
    "https://storage.atlascloud.ai/outputs/result.png"
  ],
  "metrics": {
    "predict_time": 8.3
  },
  "created_at": "2025-01-01T00:00:00Z",
  "completed_at": "2025-01-01T00:00:10Z"
}

Atlas Cloud Skills

Atlas Cloud Skills integruje ponad 400 modeli AI bezpośrednio z Twoim asystentem kodowania AI. Jedno polecenie do instalacji, a następnie używaj języka naturalnego do generowania obrazów, filmów i rozmów z LLM.

Obsługiwani klienci

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ obsługiwani klienci

Instalacja

npx skills add AtlasCloudAI/atlas-cloud-skills

Skonfiguruj klucz API

Uzyskaj klucz API z panelu Atlas Cloud i ustaw go jako zmienną środowiskową.

export ATLASCLOUD_API_KEY="your-api-key-here"

Możliwości

Po zainstalowaniu możesz używać języka naturalnego w swoim asystencie AI, aby uzyskać dostęp do wszystkich modeli Atlas Cloud.

Generowanie obrazówGeneruj obrazy za pomocą modeli takich jak Nano Banana 2, Z-Image i inne.

Tworzenie wideoTwórz filmy z tekstu lub obrazów za pomocą Kling, Vidu, Veo itp.

Chat LLMRozmawiaj z Qwen, DeepSeek i innymi dużymi modelami językowymi.

Przesyłanie mediówPrześlij lokalne pliki do edycji obrazów i przepływów pracy obraz-do-wideo.

Dowiedz się więcej

github.com/AtlasCloudAI/atlas-cloud-skills

Serwer MCP

Serwer MCP Atlas Cloud łączy Twoje IDE z ponad 400 modelami AI za pośrednictwem Model Context Protocol. Działa z każdym klientem kompatybilnym z MCP.

Obsługiwani klienci

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ obsługiwani klienci

Instalacja

npx -y atlascloud-mcp

Konfiguracja

Dodaj następującą konfigurację do pliku ustawień MCP w swoim IDE.

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

Dostępne narzędzia

atlas_generate_imageGeneruj obrazy z promptów tekstowych.

atlas_generate_videoTwórz filmy z tekstu lub obrazów.

atlas_chatRozmawiaj z dużymi modelami językowymi.

atlas_list_modelsPrzeglądaj ponad 400 dostępnych modeli AI.

atlas_quick_generateTworzenie treści w jednym kroku z automatycznym wyborem modelu.

atlas_upload_mediaPrześlij lokalne pliki do przepływów pracy API.

Dowiedz się więcej

github.com/AtlasCloudAI/mcp-server

API Schema

{
  "components": {
    "schemas": {
      "Input": {
        "type": "object",
        "required": [
          "model",
          "prompt"
        ],
        "properties": {
          "model": {
            "type": "string",
            "description": "Model name.",
            "default": "z-image/turbo-lora"
          },
          "prompt": {
            "type": "string",
            "description": "The positive prompt for the generation."
          },
          "loras": {
            "type": "array",
            "description": "List of LoRA weights to apply.",
            "default": [],
            "maxItems": 3,
            "items": {
              "$ref": "#/components/schemas/LoraWeight"
            }
          },
          "size": {
            "type": "string",
            "description": "Output image size in width*height format.",
            "default": "1024*1024",
            "maximum": 1536
          },
          "seed": {
            "type": "integer",
            "description": "Seed for reproducible output. Use -1 for random.",
            "default": -1
          },
          "num_inference_steps": {
            "type": "integer",
            "description": "Number of inference steps used for generation.",
            "default": 9,
            "minimum": 1
          },
          "guidance_scale": {
            "type": "number",
            "description": "Classifier-free guidance scale. The default value follows the Z-Image Turbo path.",
            "default": 1
          },
          "output_format": {
            "type": "string",
            "description": "Image output format.",
            "default": "png",
            "enum": [
              "png",
              "jpeg",
              "webp"
            ]
          },
          "enable_sync_mode": {
            "type": "boolean",
            "description": "Wait for the result to be generated and uploaded before returning the response. This property is only available through the API.",
            "default": false,
            "disabled": true
          },
          "enable_base64_output": {
            "type": "boolean",
            "description": "Return base64 image data instead of an image URL. This property is only available through the API.",
            "default": false,
            "disabled": true
          }
        },
        "x-order-properties": [
          "model",
          "prompt",
          "loras",
          "size",
          "seed",
          "num_inference_steps",
          "guidance_scale",
          "output_format",
          "enable_sync_mode",
          "enable_base64_output"
        ]
      },
      "LoraWeight": {
        "type": "object",
        "required": [
          "path"
        ],
        "properties": {
          "path": {
            "type": "string",
            "description": "URL or path to the LoRA weights."
          },
          "scale": {
            "type": "number",
            "description": "Scale used before merging the LoRA weights.",
            "default": 1,
            "minimum": 0,
            "maximum": 4
          }
        },
        "x-order-properties": [
          "path",
          "scale"
        ]
      },
      "PredictionResponse": {
        "type": "object",
        "properties": {
          "created_at": {
            "type": "string",
            "format": "date-time",
            "description": "ISO timestamp when the request was created."
          },
          "has_nsfw_contents": {
            "type": "array",
            "description": "NSFW detection result for each output.",
            "items": {
              "type": "boolean"
            }
          },
          "id": {
            "type": "string",
            "description": "Unique prediction id."
          },
          "model": {
            "type": "string",
            "description": "Model id used for the prediction."
          },
          "outputs": {
            "type": "array",
            "description": "Generated image URLs or base64 payloads.",
            "items": {
              "type": "string"
            }
          },
          "status": {
            "type": "string",
            "description": "Task status."
          },
          "urls": {
            "type": "object",
            "description": "Related API endpoints."
          }
        }
      }
    },
    "securitySchemes": {
      "apiKeyAuth": {
        "type": "apiKey",
        "in": "header",
        "name": "Authorization"
      }
    }
  },
  "info": {
    "title": "AtlasCloud API",
    "version": "1.0.0",
    "description": "The AtlasCloud API."
  },
  "openapi": "3.0.0",
  "paths": {
    "/api/v1/model/prediction/{request_id}": {
      "get": {
        "parameters": [
          {
            "in": "path",
            "name": "request_id",
            "required": true,
            "schema": {
              "type": "string",
              "description": "Request ID"
            }
          }
        ],
        "responses": {
          "200": {
            "description": "Result of the request.",
            "content": {
              "application/json": {
                "schema": {
                  "$ref": "#/components/schemas/PredictionResponse"
                }
              }
            }
          }
        }
      },
      "x-api-name": "model_result"
    },
    "/api/v1/model/generateImage": {
      "post": {
        "requestBody": {
          "required": true,
          "content": {
            "application/json": {
              "schema": {
                "$ref": "#/components/schemas/Input"
              }
            }
          }
        },
        "responses": {
          "200": {
            "description": "The request status.",
            "content": {
              "application/json": {
                "schema": {
                  "$ref": "#/components/schemas/PredictionResponse"
                }
              }
            }
          }
        }
      },
      "x-api-name": "model_run"
    }
  },
  "servers": [
    {
      "url": "https://api.atlascloud.ai"
    }
  ]
}

Szablon Prompt dla LLM

# z-image/turbo-lora

> Z-Image Turbo text-to-image generation with user-supplied LoRA weights, custom sizes, and reproducible output.


## Overview

- **Submit endpoint (POST)**: `https://api.atlascloud.ai/api/v1/model/generateImage` — start an async generation; returns a `prediction_id`
- **Poll endpoint (GET)**: `https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}` — poll this until the prediction finishes
- **Model ID**: `z-image/turbo-lora`


## API Information

This model can be used via our HTTP API or more conveniently via our client libraries.
See the input and output schema below, as well as the usage examples.


### Input Schema

The API accepts the following input parameters:

- **`model`** (`string`, _required_):
  Model name.
  - Default: `"z-image/turbo-lora"`

- **`prompt`** (`string`, _required_):
  The positive prompt for the generation.

- **`loras`** (`array`, _optional_):
  List of LoRA weights to apply.
  - Default: `[]`
  - Max items: 3

- **`size`** (`string`, _optional_):
  Output image size in width*height format.
  - Default: `"1024*1024"`
  - Max: 1536

- **`seed`** (`integer`, _optional_):
  Seed for reproducible output. Use -1 for random.
  - Default: `-1`

- **`num_inference_steps`** (`integer`, _optional_):
  Number of inference steps used for generation.
  - Default: `9`
  - Min: 1

- **`guidance_scale`** (`number`, _optional_):
  Classifier-free guidance scale. The default value follows the Z-Image Turbo path.
  - Default: `1`

- **`output_format`** (`string`, _optional_):
  Image output format.
  - Default: `"png"`
  - Options: "png", "jpeg", "webp"

- **`enable_sync_mode`** (`boolean`, _optional_):
  Wait for the result to be generated and uploaded before returning the response. This property is only available through the API.
  - Default: `false`

- **`enable_base64_output`** (`boolean`, _optional_):
  Return base64 image data instead of an image URL. This property is only available through the API.
  - Default: `false`



**Required Parameters Example**:

```json
{
  "model": "z-image/turbo-lora",
  "prompt": ""
}
```


**Full Example**:

```json
{
  "model": "z-image/turbo-lora",
  "prompt": "",
  "loras": [],
  "size": "1024*1024",
  "seed": -1,
  "num_inference_steps": 9,
  "guidance_scale": 1,
  "output_format": "png",
  "enable_sync_mode": false,
  "enable_base64_output": false
}
```


### Output Schema

The API returns the following output format:


- **`created_at`** (`string`, _optional_):
  ISO timestamp when the request was created.

- **`has_nsfw_contents`** (`array[boolean]`, _optional_):
  NSFW detection result for each output.

- **`id`** (`string`, _optional_):
  Unique prediction id.

- **`model`** (`string`, _optional_):
  Model id used for the prediction.

- **`outputs`** (`array[string]`, _optional_):
  Generated image URLs or base64 payloads.

- **`status`** (`string`, _optional_):
  Task status.

- **`urls`** (`object`, _optional_):
  Related API endpoints.



**Example Response**:

```json
{
  "created_at": "",
  "has_nsfw_contents": [],
  "id": "",
  "model": "",
  "outputs": [
    ""
  ],
  "status": "",
  "urls": {}
}
```


## Usage Examples

### cURL

```bash
# Step 1: Start generation (async)
curl -X POST "https://api.atlascloud.ai/api/v1/model/generateImage" \
  -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "z-image/turbo-lora",
  "prompt": "",
  "loras": [],
  "size": "1024*1024",
  "seed": -1,
  "num_inference_steps": 9,
  "guidance_scale": 1,
  "output_format": "png",
  "enable_sync_mode": false,
  "enable_base64_output": false
}'

# Response will contain: {"code": 200, "data": {"id": "prediction_id", "status": "processing"}}

# Step 2: Poll for result (replace {prediction_id} with the id returned above)
curl -X GET "https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}" \
  -H "Authorization: Bearer $ATLASCLOUD_API_KEY"

# Keep polling until status is "completed", "succeeded" or "failed"
# When completed, outputs will contain the generated content URL(s)
```

## Additional Resources

### Documentation

- [Model Playground](https://www.atlascloud.ai/models/z-image/turbo-lora)

A dramatic cinematic movie poster with dark atmospheric lighting, central silhouette of a lone figure, smoky background, bold large title text “BEYOND THE SHADOWS”, smaller tagline “Every secret has a price”, credit block at bottom, lens flare, professional Hollywood poster style

A hyper-realistic close-up of a giant ramen bowl with a tiny glowing UFO slowly descending onto the noodles, steam rising, rich broth reflections, surreal but delicious-looking detail

An ultra-detailed robot sitting in a quiet garden carefully repairing a broken flower stem with tiny mechanical tools, soft sunlight, beautiful depth of field, metallic and organic textures blending naturally

A photorealistic macro shot of a fragile soap bubble floating in the air, but inside it is a vivid swirling galaxy with stars and nebulae, high detail, cosmic glow, razor-sharp reflections on bubble surface

a gigantic neon-colored snake coiled around a disco stage, mirror-ball scales reflecting rainbow lights, people dancing below, hyper-realistic glitter particles floating through the air

Ładowanie...

Z-Image Turbo - Błyskawiczne Generowanie Tekstu na Obraz

NOWY

Model 6 Miliardów Parametrów od Alibaba TONGYIMAI

Z-Image Turbo to model tekstu na obraz typu open source o najwyższej pozycji #1, przewyższający FLUX.2 [dev], HunyuanImage 3.0 i Qwen-Image w Artificial Analysis Image Arena. Zbudowany przez zespół Tongyi-MAI firmy Alibaba (oddzielny dział od Qwen/Wan), ten model 6 miliardów parametrów osiąga generowanie w czasie poniżej sekundy dzięki zaawansowanej destylacji Decoupled-DMD, zachowując jednocześnie fotorealistyczną jakość. Z zaledwie 8 krokami inferencji mieści się w 16GB VRAM i zapewnia profesjonalne wyniki zoptymalizowane dla środowisk produkcyjnych krytycznych pod względem szybkości.

Ultraszybkie Generowanie

Tylko 8 kroków inferencji (vs 20-50 u konkurencji)
Generowanie w czasie poniżej sekundy na GPU H800
1.31-1.41× szybsze niż Qwen Image na krok
Mieści się w 16GB VRAM (RTX 3060/4090)

Fotorealistyczna Jakość

Model open source #1 w AI Arena
Dwujęzyczne renderowanie tekstu (angielski i chiński)
Solidne przestrzeganie instrukcji
Pokonuje FLUX.1 [dev] i Qwen we wszystkich kategoriach

Strategiczne Portfolio Modeli Alibaba

Alibaba oferuje trzy specjalistyczne systemy generowania obrazów AI, każdy zoptymalizowany pod kątem różnych przypadków użycia

Mistrz Szybkości

Z-Image Turbo

Zespół Tongyi-MAI

Best For: Obciążenia produkcyjne krytyczne pod względem szybkości

⚡ Najszybszy: 8 kroków, generowanie poniżej sekundy
🏆 Model open source #1
💰 Najbardziej opłacalny ($0.005/obraz)
🎯 Zoptymalizowany pod kątem szybkiej iteracji

Król Jakości

Qwen-Image

Zespół Qwen

Best For: Ostateczne renderingi najwyższej jakości

🎨 Niezrównany fotorealizm i tekstury skóry
💡 Doskonałe interakcje świetlne
⏱️ Wolniejszy (20s vs 5-10s dla Z-Image)
🎯 Najlepszy dla prac produkcyjnych wysokiej klasy

Ekspert Wszechstronności

Wan 2.5/2.6

Zespół Wan

Best For: Wszechstronność multimedialna

🎬 Tekst na Wideo + Obraz na Wideo
📹 Wsparcie wielorozdzielczości (480P-720P)
🔄 Synchronizacja audiowizualna
🎯 Generowanie treści międzymodalnych

Key Insight: Z-Image Turbo jest 1.31-1.41× szybszy niż Qwen-Image na krok, co czyni go idealnym dla aplikacji wymagających szybkiego generowania. Choć Qwen-Image oferuje nieco lepszy fotorealizm dla ostatecznych renderingów, Z-Image Turbo zapewnia najlepszą równowagę między szybkością a jakością dla środowisk produkcyjnych.

Najważniejsze Aspekty Techniczne

Wydajność

Architektura S3-DiT

Przyjmuje architekturę Single-Stream Diffusion Transformer (S3-DiT), która ujednolica przetwarzanie różnych wejść warunkowych. Ten projekt 6 miliardów parametrów osiąga profesjonalne wyniki bez obciążenia obliczeniowego większych modeli, zachowując jednocześnie najnowocześniejszą jakość.

Szybkość

Destylacja Decoupled-DMD

Zaawansowany algorytm destylacji z mechanizmami CFG Augmentation i Distribution Matching umożliwia inferencję w 8 krokach (vs 20-50 u konkurencji). Osiąga generowanie w czasie poniżej sekundy na GPU H800 i działa płynnie na konsumenckich RTX 3060/4090 z 16GB VRAM.

Jakość

Wiodąca Wydajność Open Source

Zajmuje pozycję #1 modelu open source w Artificial Analysis Image Arena, pokonując FLUX.2 [dev], HunyuanImage 3.0 i Qwen-Image. Wyróżnia się w dwujęzycznym renderowaniu tekstu (angielski i chiński), fotorealistycznym generowaniu i solidnym przestrzeganiu instrukcji. Wydany na licencji Apache 2.0 do użytku komercyjnego.

Idealny Do

🎨

Tworzenia Sztuki Cyfrowej

📸

Fotografii Produktowej

📊

Materiałów Marketingowych

🎬

Sztuki Koncepcyjnej

📱

Treści Social Media

🖼️

Fotografii Stockowej

🎮

Zasobów Gier

✨

Prototypowania Kreatywnego

Dlaczego Wybrać Z-Image Turbo

⚡

Natychmiastowe Wyniki

Generowanie w czasie poniżej sekundy z zerowym opóźnieniem zimnego startu. Otrzymuj swoje obrazy natychmiast bez czekania.

💰

Opłacalny

Przystępna cena $0.005 za obraz. Skaluj swoje kreatywne projekty bez przekraczania budżetu.

🔌

Gotowe do Użycia API

Prosta integracja REST API. Zacznij generować obrazy w kilka minut dzięki naszej kompleksowej dokumentacji.

Specyfikacje Techniczne

Architektura Modelu6 Miliardów Parametrów

Kroki Inferencji8 NFEs (liczba ewaluacji funkcji)

Szybkość GenerowaniaPoniżej sekundy na H800, 5-10s na GPU konsumenckich

Wymaganie VRAM16GB (kompatybilny z RTX 3060/4090)

ArchitekturaJednopotokowy dyfuzyjny Transformer (S3-DiT)

Metoda DestylacjiDecoupled-DMD z CFG Augmentation

LicencjaApache 2.0 (Dozwolone Użycie Komercyjne)

Ranking#1 Open Source w Artificial Analysis Arena

Cennik$0.005 za Obraz

Zacznij Tworzyć z Z-Image Turbo

Doświadcz już dziś błyskawicznego, fotorealistycznego generowania obrazów. Brak konfiguracji, po prostu wywołaj nasze API i zacznij tworzyć.

Brak zimnych startów - natychmiastowe generowanie

Przystępna cena - $0.005 za obraz

Profesjonalne wyniki jakościowe

Z-Image-Turbo LoRA — 6B-parameter, ultra-fast text-to-image with custom styles

Z-Image-Turbo LoRA is a personalised version of Tongyi-MAI’s 6B-parameter Z-Image-Turbo model. It keeps the same 8-step, ultra-fast sampler and low VRAM footprint, while letting you plug in up to three LoRA adapters to inject your own styles, characters, or brand identity into each generation.

Ultra-fast generation with LoRA personalisation

Where many diffusion models need dozens of steps, Z-Image-Turbo LoRA stays aggressively optimised around 8 sampling steps. On top of that, it adds LoRA hooks so you can steer the visual style without retraining the base model—perfect for interactive products, dashboards, and large-scale backends that still need a branded look.

Why it looks so good

• Photorealistic output at speed Generates high-fidelity, realistic images suitable for product photos, hero banners, and UI visuals—now with your own LoRA styles layered on top.

• Bilingual prompts and text Understands prompts in English and Chinese, and can render multilingual on-image text, ideal for cross-market campaigns and UI screenshots.

• LoRA-powered customisation Attach up to 3 LoRAs per request to add a specific art style, character look, or brand aesthetics without touching the base weights.

• Low-latency, low-step design Only 8 function evaluations per image deliver extremely low latency, ideal for chatbots, configuration tools, design assistants, and any “type → image” workflow.

• Friendly VRAM footprint Runs well in 16 GB VRAM environments, reducing hardware costs and making local or edge deployments more realistic—even with LoRAs enabled.

• Scales for bulk generation The efficient sampler keeps large jobs—catalogues, continuous feeds, or mass thumbnail generation—practical, even when every image uses one or more LoRAs.

• Reproducible generations A controllable seed parameter lets you recreate previous images or generate small, controlled variations for brand safety and experimentation.

How to use

prompt – natural-language description of the scene, style, and any on-image text (English or Chinese).
size (width / height) – choose the output resolution that fits your use case.
seed – set to -1 for random results, or use a fixed integer to make outputs reproducible.
loras – optional list of up to three LoRA adapters:
path – a LoRA identifier such as <owner>/<model-name> or a direct .safetensors URL.
scale – numeric strength for that LoRA; higher values apply a stronger stylistic effect.

You can click “Add Item” in the loras panel to add 1–3 LoRAs. They are combined during generation, so a single prompt can mix, for example, a character LoRA, a style LoRA, and a brand-colour LoRA.

Pricing

Simple per-image billing:

$0.01 per generated image

Eksploruj Podobne Modele

NEW

narzędzia do obrazów

Face Swap

Swap a face onto any photo. The facial identity is transferred while pose, clothing and background stay intact.

Photo Cleanup

Restore single images by reducing dust, scratches, noise, and repeated micro-texture artifacts without changing the image content.

Openai GPT Image 2 Text-to-Image

GPT Image 2 text to image is OpenAI's fast, cost-efficient text-to-image generator powered by GPT-5 guidance. Create photorealistic shots, product renders, concept art, and stylized graphics from natural-language prompts (optionally conditioned with an image). Supports custom aspect ratios, seeds, negative prompts, hex color hints, and style presets. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

Openai GPT Image 2 Edit

GPT Image 2 Edit is OpenAI's image model for precise, natural-language edits. Add/remove objects, swap backgrounds, retouch faces, adjust colors/lighting, edit text/graphics, crop/resize, and apply hex color control. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

GPT Image 2 Developer Edit

GPT Image 2 Developer Edit applies natural-language instructions to one or more reference images, with common aspect ratios and 1k, 2k, or supported 4k output tiers. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

GPT Image 2 Developer Text-to-Image

GPT Image 2 Developer Text-to-Image generates polished visuals from natural-language prompts, with common aspect ratios and 1k, 2k, or supported 4k output tiers. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

Seedream v5.0 Pro Edit

ByteDance flagship next-generation image editing model. Supports up to 10 reference images while preserving identity, lighting, and color tones for professional-quality modifications.

Seedream v5.0 Pro Text-to-Image

ByteDance flagship next-generation image generation model with stronger prompt adherence, refined typography, and photorealistic detail. Single-image output at 1.5K and 2K tiers with JPEG and PNG support.

Nano Banana 2 Lite Edit Developer

Google's fastest and most cost-efficient Nano Banana image model for editing, applying natural-language edits and multi-image composition to up to 14 reference images with low latency.

Nano Banana 2 Lite Text-to-Image Developer

Google's fastest and most cost-efficient Nano Banana image model, turning natural-language text prompts into high-quality 1k images in as little as 4 seconds for rapid, high-volume generation.

Nano Banana 2 Lite Edit

Nano banana lite is the efficiency-focused model in the image generation family. Sub-2 second latency with cost-effective generation and editing, fast multi-turn local edits, and 14 supported aspect ratios.

Nano Banana 2 Lite Text-to-image

MAI-Image-2.5-Flash Text-to-image

Microsoft's fast, cost-optimized text-to-image generation model, creating high-quality images at lower cost using the same diffusion-based architecture as MAI-Image-2.5.

From

$0.03/OBRAZ